我有一组观测值[x（t），y（t）]，我尝试使其符合某个假设：x = Fx（ax，bx，t），y = Fy（ay，by， t）。 Fx和Fy是线性的，但是观测值的噪声不是高斯的。
为此，我将自定义函数F（ax，bx，ay，[observations]）最小化。我使用scipy.optimize.minimize，并通过给定一组观察值最小化F来获取参数ax，bx，ay的值。
问题1：我如何估算这些结果的95％置信区，以便可以看到答案有多模糊或可靠？
我相信参数的值不是独立的，因此置信区域可能不是4个矩形，而是最小点附近的解空间中的一些斑点。
问题2：如果我将我的假设简化为线性形式：x = ax t + bx，y = ay t + by，观察的噪声为2d高斯，则是否存在任何就绪的例程蟒蛇这样做与结果的置信区间计算拟合？
答案 0 :(得分：0)
Lampton，Margon和Bowyer，1976年，《天体物理学杂志》，第208、177页
答案 1 :(得分：0)
通常情况下，当未知测量误差的分布时，可以使用 重采样方法。例如，随机进行90％的测量并找到 估算，对原始测量的不同随机子样本重复以下过程100次（或更多）。将所有获得的估计值存储在数组中。现在，您可以为每个估算找到95％（或您想要的任何值）。那将是估计的95％置信区间。
在线性模型和高斯噪声的情况下，我建议寻找实现卡尔曼滤波器的软件包。它们肯定存在，例如pykalman。